Tbk. sebanyak 200 orang. Tahap pelaksanaan penelitian ini dilakukan pada tanggal 06 Oktober 2010 sampai dengan 16 Oktober 2010.
3. Tahap Pengolahan Data
Setelah diperoleh hasil skor skala kualitas kehidupan bekerja dan skala motivasi berprestasi, maka dilakukan pengolahan data. Pengolahan data dilakukan
dengan menggunakan bantuan komputer program SPSS Versi 16.00 for windows.
H. Metode Analisa Data
Azwar 2005 menyatakan bahwa pengolahan data penelitian yang sudah diperoleh dimaksudkan sebagai suatu cara mengorganisasikan data sedemikian
rupa sehingga dapat dibaca dan dapat diinterpretasikan.
1. Uji Asumsi Klasik
Penelitian ini menggunakan uji asumsi klasik agar hasil analisis regresi dapat dipertanggungjawabkan, yaitu bebas dari multikolinearitas, bersifat
homokedastisitas atau memiliki varians eror yang konstan untuk tiap-tiap variabel bebas, bebas dari gangguan autokorelasi dan berdistribusi normal.
Dalam prakteknya, dapat saja ditemukan suatu model regresi yang tidak memenuhi satu atau beberapa asumsi tersebut. Apabila hal tersebut terjadi, maka
perlu dilakukan suatu generalisasi terhadap model tersebut agar hasil estimasinya dapat dipertanggungjawabkan secara statistik.
Untuk menghasilkan model yang baik, persamaan regresi linear harus dilakukan beberapa uji asumsi klasik, diantaranya:
a. Uji normalitas data.
Universitas Sumatera Utara
Pengujian ini bertujuan untuk menguji apakah variabel tergatung dan variabel bebas mempunyai hubungan distribusi normal. Model yang baik adalah memiliki
distribusi normal atau mendekati normal. Uji normalitas ini dilakukan dengan menggunakan analisis statistik one sample Kolmogorov-Smirnov. Data dikatakan
terdistribusi normal jika harga p 0.05. b.
Uji linearitas. Uji linearitas digunakan untuk mengetahui apakah distribusi data penelitian,
yaitu variabel kualitas kehidupan bekerja dan variabel motivasi berprestasi memiliki hubungan linear. Uji linearitas dilakukan dengan menggunakan norma
probability plot P-P Plot. Variabel kualitas kehidupan bekerja dan variabel motivasi berprestasi dikatakan memiliki hubungan linear jika titik-titik yang
terdapat dalam P-P plot membentuk dan mengikuti garis lurus. c.
Uji multikolinearitas Pengujian ini digunakan untuk menguji apakah model regresi ditemukan
adanya korelasi antar variabel bebas. Cooper Emory dalam Rahayu, 2009 Dalam model regresi yang baik, seharusnya tidak terjadi korelasi yang tinggi
diantara variable bebas. Jika variabel bebas saling berkorelasi, maka variabel- variabel ini tidak ortogonal. Variabel ortogonal adalah variabel bebas yang nilai
korelasi antas sesame variabel bebas sama dengan nol. Untuk mendeteksi adanya multikolinearitas dapat dilakukan dengan melihat variance inflation factor VIF.
Indikasi adanya interkorelasi antar variable independen bila nilai VIF lebih dari 10 Amir, 2006
Universitas Sumatera Utara
d. Uji autokorelasi
Pengujian ini digunakan untuk menguji apakah dalam sebuah model regresi linier terdapat korelasi antara kesalahan pengganggu pada periode t dengan
kesalahan pada periode t-1 sebelumnya. Jika terjadi korelasi, maka dinamakan adanya problem autokorelasi. Autokorelasi muncul karena observasi yang
berurutas sepanjang waktu berkaitan satu sama lainnya. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Untuk menguji autokorelasi dapat
dilihat dari uji Durbin Waston DW. Ukuran yang digunakan untuk menyatakan ada tidaknya autokorelasi yaitu apabila nilai statistic Durbin-Watson mendekati 2,
maka data tidak memiliki autokorelasi Sudarmanto, 2005. e.
Uji heteroskedastisitas. Pengujian ini digunakan untuk menguji apakah dalam sebuah model regresi
terjadi ketidaksamaan varian dari residual suatu pengamatan ke pengamatan lain. Jika varians dari residual satu pengamatan ke pengamatan lain tetap maka disebut
homoskedastisitas dan jika berbeda disebut heterokedastisitas. Model regresi yang baik adalah homoskedastisitas dan tidak terjadi heteroskedastisitas. Uji
heteroskedastisitas dilakukan dengan scatter plot. Jika ada pola tertentu seperti titik- titik yang membentuk pola tertentu yang teratur bergelombang, melebar dan
menyempit, maka mengindikasikan telah terjadi heteroskedastisitas. Dan jika ada pola yang jelas, seperti titik-titik menyebar diatas dan dibawah angka 0 pada sumbu
Y, maka tidak terjadi heteroskedastisitas.
Universitas Sumatera Utara
2. Analisis regresi berganda.